Fairvalue-Calculator Fairvalue-Calculator
EN DE

MAXS (MAXS) Fair Value & Analyse

Consumer Cyclical · PH · Marktkap. 5.0B PHP

Kurs2.20 PHP
Fair Value2.58 PHP
Potenzial+17.3%
Qualität92/100
Evidenz: Hoch Spanne 1.47 PHP – 4.43 PHP

Fair Value Stand: 24.06.2026

34.000+ Aktien nach Fair Value & Qualität screenen — kostenlos Tool starten →

Analyse

MAXS (MAXS) notiert aktuell bei 2.20 PHP, während unser modellbasierter Fair Value bei 2.58 PHP liegt — das entspricht einer Einschätzung von 17.3% unterbewertet. Die Geschäftsqualität bewerten wir mit 92/100 (hohe Qualität), Sektor Consumer Cyclical. Bull-Case: Notiert die Aktie unter unserer Schätzung, könnte sich bei bestätigten Fundamentaldaten Aufwärtspotenzial ergeben. Bär-Case: Ein scheinbar günstiger Kurs kann eine Value-Falle sein, wenn die Qualität schwach ist oder die Datenlage dünn ist (Evidenz: hoch).

Vollständige interaktive Analyse öffnen →

Ähnliche Aktien

Häufige Fragen

Ist MAXS (MAXS) unterbewertet?
Stand 24.06.2026 schätzt unser Modell den Fair Value auf 2.58 PHP gegenüber einem Kurs von 2.20 PHP — rund +17% (unterbewertet). Modellbasierte Schätzung, keine Anlageberatung.
Was ist der Fair Value von MAXS?
Unser aus 21 Modellen berechneter Fair Value für MAXS liegt bei 2.58 PHP (Stand 24.06.2026), basierend auf geprüften Fundamentaldaten. Aktueller Kurs: 2.20 PHP.
Wie hoch ist der Qualitäts-Score von MAXS?
MAXS hat einen Qualitäts-Score von 92/100 — er misst Profitabilität, Wachstum und Bilanzstärke aus nicht-bewertungsbezogenen Faktoren.

Wie wir den Fair Value berechnen

Jedes Unternehmen wird durch einen Stapel unabhängiger Intrinsic-Value-Modelle bewertet (DCF-Varianten, Residual-Income, Multiples u. a.), die zu einem familienausgewogenen Konsens verschmolzen und nach der Datenqualität gewichtet werden. Eine separate Qualitäts-Ebene bewertet die Fundamentaldaten. Alle Eingaben sind real gemeldete Daten — nichts geschätzt.

Nur zu Bildungs- und Recherchezwecken · keine Anlageberatung · keine Kauf-/Verkaufsempfehlung. Modellbasierte Schätzungen sind keine Gewissheiten; ihre Verlässlichkeit hängt von Datenqualität und Annahmen ab.